H Company 釋出電腦操作模型 Holo3：OSWorld 跑出 78.85 分，35B 版本開源

讓大模型幫你寫郵件、查資料不算難事，但如果讓它自己開啟系統、點開網頁、跨好幾個軟體去核對報銷單，很多 AI 立刻就會在桌面裡迷路。

H Company 正式釋出了專用於操作電腦的智慧體模型 Holo3 系列。它的目標不是跟你聊天，而是專門坐進企業系統裡替你操縱滑鼠和鍵盤。

在主流桌面計算機操作評測 OSWorld-Verified 上，旗艦版 Holo3-122B-A10B 拿下了 78.85% 的得分，重新整理了該基準的最佳紀錄。值得注意的是，這款總引數 122B 的模型採用了混合專家架構，實際單次執行僅啟用 10B 引數。

除了旗艦版本上線推理 API，H Company 還把較小尺寸的 Holo3-35B-A3B 直接放到了 Hugging Face 上，遵循 Apache 2.0 協議開源權重，同時在自家的 Inference API 中提供免費額度供大家呼叫。

虛擬工廠練出來的「打工人」

讓模型操作介面，最大的難點在於現實中的業務系統千奇百怪，稍微改個按鈕位置模型就容易卡殼。

Holo3 是在阿里 Qwen 3.5 的基礎上通過後訓練打造的。官方把它背後的機制叫做「智慧體學習飛輪」（Agentic Learning Flywheel），核心思路就是不斷打磨模型的介面感知與任務決策。

訓練過程裡，團隊先用人工和自動生成指令構造了大量的合成導航資料，再通過程式化拓展出各種「域外」突發場景，確保模型在遇到非預期彈窗或介面變化時不會直接宕機。隨後，所有資料樣本都會進入專門針對操作表現調優的強化學習流程。

為了檢驗它到底能不能幹複雜的企業髒活，H Company 還搭建了一套「合成環境工廠」（Synthetic Environment Factory）。這套系統會讓寫程式碼的 AI 智慧體根據需求規格自動從零編寫網站，生成各種不同難度的可驗證任務，並用指令碼端到端驗證執行結果。

針對這種生產環境，他們還推出了包含 486 個真實多步任務的企業級基準 H Corporate Benchmarks，涵蓋電商、業務軟體、協同辦公和跨應用協作四大類。

以最棘手的多應用聯動為例，模型需要先從一份 PDF 報價單裡提取裝置價格，切換到內部系統比對每個員工的剩餘預算，最後自動生成個性化的審批或拒絕郵件發出去。這種活不僅要求算對賬、讀懂文件，還得在幾個視窗切來切去時死死記住當前的任務狀態。

為什麼重要

讓 AI 控制電腦這項技術，業內早就從概念走向了實際競爭，但過去大家往往得在「效果拔群但貴得離譜的閉源巨獸」和「免費但經常點錯按鈕的開源小模型」之間二選一。

我們認為，Holo3 這一步走得相當務實。首先是架構上的取捨：旗艦版用 122B 總引數配合 10B 啟用引數，不僅在 OSWorld 上力壓群雄，執行成本也只有 GPT 5.4 或 Opus 4.6 這類超大專有模型的一個零頭。對於想部署電腦自動化、又害怕被 API 賬單拖垮的企業來說，這是一個極具價效比的落地選擇。

更聰明的是開源 35B 版本（啟用 3B 引數）這一招。Holo3-35B-A3B 走 Apache 2.0 協議，意味著企業和獨立開發者可以毫無顧慮地拉回本地做二次微調或私有化部署。雖然小尺寸模型的絕對執行上限肯定比不上 122B 旗艦，但它給廣闊的桌面自動化工具生態撕開了一個低門檻的入口。

當然，侷限也顯而易見。官方也坦承目前的 Holo3 主要是對已知介面的互動能力極強，離真正遇到全新未知軟體就能即時自適應操作的「自適應智慧體」還有一段距離。而且讓 AI 擁有全套系統控制權，在企業內部的資料安全與防誤操作上依然需要極高的防護柵欄。

但無論如何，能打贏測試榜單且成本可控的電腦操作模型問世，必然會倒逼閉源大廠加速下放類似能力。未來的桌面軟體生態，可能真要從「人教 AI 用」走向「AI 替人點」了。